지상 메트릭 학습: 히스토그램 비교를 위한 새로운 접근
본 논문은 히스토그램 간 거리 측정에 사용되는 운송 거리(Earth Mover’s Distance)의 핵심 파라미터인 지상 메트릭을, 사전 지식 없이 라벨이 부착된 히스토그램 데이터만으로 학습하는 방법을 제안한다. 차분형 볼록 함수의 차이를 최소화하는 최적화 프레임워크와 서브그라디언트 기반 알고리즘을 도입해, 이미지 GIST 특징을 이용한 이진 분류 실험에서 기존 방법을 능가하는 성능을 보였다.
저자: Marco Cuturi, David Avis
본 논문은 히스토그램 기반 데이터 분석에서 널리 사용되는 운송 거리(Earth Mover’s Distance, EMD)의 핵심 파라미터인 지상 메트릭(ground metric)을 사전 지식 없이 학습하는 새로운 프레임워크를 제시한다. 전통적으로 EMD는 특징 간 거리 M을 전문가가 직접 정의하거나 도메인 지식에 의존해 설정했으며, 이는 적용 범위를 크게 제한했다. 저자들은 라벨이 부착된 히스토그램 집합 {r_i}와 이들 간 유사성을 나타내는 가중치 행렬 Ω=
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기